predict

-2熱

1答えて

私は以下の文に出くわしたと何[0]は意味のわからなかった：だから model.predict(image)[0] は、私が一度上記のステートメントのためにプリントアウトしました[0]と[0]と一度せずに、次のように： print model.predict(image) [[ 0.99335432 0.00664574]] print model.predict(image)[0]

1熱

1答えて

newdataの予測警告

私は次のような同様の質問と回答を見直しましたが、私の状況が別の質問をするには十分に異なると信じています。 Getting Warning: " 'newdata' had 1 row but variables found have 32 rows" on predict.lm in R R Warning: newdata' had 15 rows but variables found hav

0熱

1答えて

R予測因子変数

私はRでいくつかの予測をしようとしています。私は&を読み込んでデータを整理し、モデルに合うようにして、かなり良く見える予測をしました。今私の問題は、私の予測が、因子そのものではなく特定の因子の発生の確率の割合を私に与えるということです。私は、人々が運動をどれほどうまくやっているかに関するデータセットを持っています。このパフォーマンスは、A-D（私のデータセットの要素変数）に反映されています。私は

0熱

1答えて

CHAIDで予測を行うR

CHAIDを使用してモデルを構築しました。 MA_CHAID <- chaid(Data$target ~ Data$factor1 + Data$factor2, control = chaid_control(minprob = 0.001, minsplit = 500,minbucket = 200),

0熱

1答えて

予測とnnet関数

いくつかの値を返すために予測関数と一緒にnnet関数を使用しようとしていますが、nnet $ fitted.valuesは予測値と同じで、なぜ2つのデータセットが異なるのかわかりません trainTest<- function(Train, Test) { nnetfit<- nnet(as.numeric(Train[,7])~ Train[,10]+Train[,15],data=Trai

0熱

1答えて

ASreml/ASreml-Rのレスポンス値が失われていることの予測

レスポンス変数が欠落していても、固定効果とランダムレベルのすべての値について、ASreml-Rモデルから予測を生成する簡単な方法効果因子は既知である。一般的な「適合」関数は、観測された応答のみのケースの予測を返します。「予測」機能を使用して、モデルに組み込まれているモデルから新しいデータセットに対して予測された応答を生成します。 lmerはasremlで動作しないようです。 predict.as

2熱

1答えて

SuperLearner予測誤差

私はSuperLearner Rパッケージを使用しています。私は列車とテストセットの両方の予測y値を生成しようとしています。 "newX"を定義せずにsuperlearnerモデルをフィッティングした後、MSEを計算して予測値と実際のY値を計算できるように列車セットの予測を取得した後、 "predict"コマンドを使用してテストは、次のコードを実行することで設定します。：次に sl.cv<-S

1熱

1答えて

キャレットを使用した予測の行番号を取得する

私はRで自分のマシンを学習するために多くのキャレットを使用しています。しかし、私は次のような問題に直面：私は、新しいデータをスコアしたい場合は、私がキャレットでモデルを訓練は、私は、lm() との線形回帰を言う：predict(model, new_data) ときnew_data予測値に欠損値が含まれていますが、予測では予測が返されません。NA 可能ですかそれが不可能であるか、リターン予測

0熱

1答えて

混乱行列の結果を格納するためのループ

私は混乱行列の結果をforループ内に格納しようとしています。今、ループは各反復の分析結果を表示します。 for(i in 1:50){ train.cpg.t2 <- sample(nrow(cpg.updated.2), 2/3 * nrow(cpg.updated.2)) cpg.train.t2 <- cpg.updated.2[train.cpg.t2, ] cpg.test.t2

1熱

1答えて

ケラで線形回帰予測を見つける

私は線形回帰モデル（線形回帰出力を持つCNN）を訓練しました。私の入力は画像であり、出力は確率である。私は今、別のイメージを（私のテストセットとは違う）撮り、それを私のネットワークに押し込んで確率を得ることを望みます。私は私のモデル、重みと画像をロードし、4Dテンソルことなどのような予測を実行するために再構築： json_file = open('/home/model.json', 'r')